大模型，如何從“無所不能”走向“無處不在”？從科研、醫(yī)療到工業(yè)、金融，當(dāng)人工智能（AI）的浪潮拍向千行百業(yè)的堤岸，我們迎來的，是生產(chǎn)力的真正革命，還是一場喧囂的泡沫？

7月28日，在中國信通院承辦的WAIC2025“大模型智塑全球產(chǎn)業(yè)新秩序”論壇上，來自上海人工智能實(shí)驗(yàn)室、復(fù)旦大學(xué)附屬中山醫(yī)院、上海大學(xué)、第一財(cái)經(jīng)等不同領(lǐng)域的實(shí)踐者，圍繞AI如何真正改變行業(yè)展開了坦誠交流。

對話中，嘉賓們的觀點(diǎn)交鋒，卻共同指向一個(gè)核心共識：AI落地的關(guān)鍵不在于模型參數(shù)的繼續(xù)膨脹，而在于對行業(yè)痛點(diǎn)的精準(zhǔn)把握和對人的深刻理解。

例如，喬宇提出“模型落地需在通用性、專用性、經(jīng)濟(jì)性中尋求平衡”、盧春來提出“AI醫(yī)療服務(wù)的對象首先是‘人’，其次才是‘疾病’”、曾丹提出“AI的應(yīng)用將從‘單點(diǎn)替代’走向?qū)I(yè)務(wù)流程的‘深度重塑’”、姚學(xué)潤提出“衡量一項(xiàng)AI技術(shù)價(jià)值，其核心標(biāo)準(zhǔn)在于‘有用性’”……

從技術(shù)極客的算力競賽，到產(chǎn)業(yè)實(shí)踐的價(jià)值創(chuàng)造，人工智能的"下半場"已經(jīng)開啟。更多關(guān)于AI如何重塑各行各業(yè)的深度洞察，請欣賞↓

回顧大模型再進(jìn)階：突破、趨勢與與應(yīng)用示范

主持人：中國信通院人工智能研究所-魏凱

魏凱：喬宇所帶領(lǐng)的團(tuán)隊(duì)在國內(nèi)AI領(lǐng)域取得了諸多開創(chuàng)性成就，尤其是書生系列大模型表現(xiàn)出色，并在“AIforScience”方向上實(shí)現(xiàn)了多項(xiàng)突破。

能否分享對過去一年AI整體發(fā)展的感受，尤其是在垂直領(lǐng)域的觀察與思考。

喬宇：過去一年間，圍繞大模型與通用AI，確實(shí)發(fā)生了許多深刻的進(jìn)展與變化。去年此時(shí)，業(yè)界主要討論的是垂直領(lǐng)域模型以及大模型的落地應(yīng)用；如今回過頭看，可以清晰地看到兩個(gè)重要的突破。

一是模型能力的提升。去年我們常用高考成績來衡量大模型的能力，當(dāng)時(shí)它在數(shù)學(xué)科目的表現(xiàn)大約只能達(dá)到一半的分?jǐn)?shù)。然而，就在不久前，Google與DeepMind推出的最新模型在IMO競賽中拿到35分，已經(jīng)達(dá)到人類金牌選手的水平。這說明，在過去一年里，伴隨“Test-TimeScaling”這類技術(shù)的發(fā)展，模型的推理能力得到了顯著提升。

二是智能體的應(yīng)用成為一大亮點(diǎn)。從今天的報(bào)告中可以發(fā)現(xiàn)，幾乎每場演講都提到了智能體及其落地場景。智能體通過構(gòu)建工作流、結(jié)合規(guī)劃和反思、借助計(jì)劃與工具調(diào)用等方式，使得許多復(fù)雜的任務(wù)更加容易實(shí)現(xiàn)。

基于這些背景，相關(guān)實(shí)驗(yàn)室應(yīng)注重基礎(chǔ)創(chuàng)新，重點(diǎn)面向未來AI的兩個(gè)關(guān)鍵發(fā)展方向：一是不斷提升“智商”，讓模型具有更高的認(rèn)知與推理能力；二是賦予模型類似科學(xué)家一般的知識發(fā)現(xiàn)力。

為此，我們于26號在同一會(huì)場發(fā)布了全球領(lǐng)先的多模態(tài)科學(xué)大模型。同時(shí)，我們基于該模型打造了科學(xué)發(fā)現(xiàn)平臺，整合數(shù)據(jù)、工具、智能體和算力資源，讓科學(xué)家能夠更直觀、便捷地使用，提高效率、降低學(xué)習(xí)成本。這些成果也讓我們對未來充滿期待。

魏凱：盧醫(yī)生，作為資深胸外科專家，您帶領(lǐng)團(tuán)隊(duì)開發(fā)了“終節(jié)者”AI小程序，旨在識別與處理肺結(jié)節(jié)。身處繁忙的一線醫(yī)療工作，出于何種考量選擇開發(fā)這一AI應(yīng)用？在實(shí)際使用過程中有哪些體會(huì)與經(jīng)驗(yàn)，能否加以分享？

圖注：盧春來醫(yī)生主導(dǎo)開發(fā)的基于AI語言大模型的肺結(jié)節(jié)風(fēng)險(xiǎn)評估小程序“終節(jié)者”，入選《2025年“人工智能+”行業(yè)標(biāo)桿案例薈萃》

盧春來：近年來，低劑量螺旋CT在常規(guī)體檢中的廣泛使用，使更多肺部小結(jié)節(jié)被檢出，但臨床觀察表明，大部分此類結(jié)節(jié)并不嚴(yán)重，只要少數(shù)為高危病變或早期肺癌。然而，許多患者在拿到體檢報(bào)告后往往因缺乏判斷依據(jù)而陷入緊張和焦慮。

基于此背景，“終節(jié)者”AI小程序應(yīng)運(yùn)而生，用于初步識別并評估肺部小結(jié)節(jié)的風(fēng)險(xiǎn)。其核心思路是依托CT報(bào)告中關(guān)于結(jié)節(jié)關(guān)鍵特征的描述，對低危結(jié)節(jié)給予相應(yīng)提示，從而幫助患者在非就診時(shí)間也能得到一定程度的專業(yè)指導(dǎo)，減少不必要的恐慌與就醫(yī)成本。

“終節(jié)者”的特點(diǎn)在于將應(yīng)用場景更多地轉(zhuǎn)向患者端，而非僅在醫(yī)療機(jī)構(gòu)內(nèi)部使用。通過抓取報(bào)告文本的關(guān)鍵詞，實(shí)現(xiàn)對潛在風(fēng)險(xiǎn)的自動(dòng)判斷，并給出后續(xù)隨訪建議，既能提高醫(yī)療資源的利用效率，也能為患者提供及時(shí)且相對安心的參考意見。

魏凱：非常有溫度的項(xiàng)目。它什么時(shí)候能夠上線，以及會(huì)不會(huì)出現(xiàn)誤診？

復(fù)旦大學(xué)附屬中山醫(yī)院胸外科副主任醫(yī)師-盧春來

盧春來：在臨床診斷中，最需要避免的是將陽性結(jié)果錯(cuò)誤判定為陰性。誤診可分為假陽性和假陰性兩種情況：前者是將陰性結(jié)果判定為陽性，后者則會(huì)帶來更為嚴(yán)重的后果。若陽性結(jié)果被誤判為陰性，患者便有可能因?yàn)槲醇皶r(shí)就診而耽誤治療。正因如此，我們要調(diào)整閾值，使診斷更加嚴(yán)格。此外，AI模型還需關(guān)注報(bào)告中可能出現(xiàn)的描述誤差。

基于這些考慮，我們在通過倫理審查并獲得知情同意后，選擇了多個(gè)醫(yī)院的500例患者樣本，正開展一系列臨床研究以精準(zhǔn)評估診斷結(jié)果的準(zhǔn)確性。所以，目前小程序還在測試階段，還需要一段時(shí)間才能完成病例入組，并得到初步的測試結(jié)果。

魏凱：接下來轉(zhuǎn)向工業(yè)領(lǐng)域。曾丹老師在工業(yè)智能化方面造詣?lì)H深，且研發(fā)了“智能眼”系統(tǒng)。能否簡要分享一下在利用AI解決工業(yè)問題時(shí)的主要心得和經(jīng)驗(yàn)？

曾丹：中國是全球最大的制造業(yè)大國，正經(jīng)歷深刻變革，AI在其中發(fā)揮著至關(guān)重要的作用。過去五到八年間成立了許多相關(guān)公司，并已經(jīng)成功上市。這些企業(yè)普遍財(cái)務(wù)表現(xiàn)優(yōu)異，凈利潤和毛利率都相當(dāng)可觀，充分證明了AI在工業(yè)智能化領(lǐng)域的實(shí)際成效。

我們團(tuán)隊(duì)專注于利用視覺技術(shù)實(shí)現(xiàn)工業(yè)檢測與優(yōu)化，從而高效、精準(zhǔn)、低成本地分析產(chǎn)線、產(chǎn)品與整體環(huán)境，并推動(dòng)工藝改進(jìn)乃至整體制造流程的優(yōu)化，從而有效提升質(zhì)量、效率并降低成本。

實(shí)踐中也發(fā)現(xiàn)，在更換產(chǎn)品或產(chǎn)線時(shí)，傳統(tǒng)方法往往需要重新采集數(shù)據(jù)，模型適應(yīng)性仍然不足。對此，我們正在重點(diǎn)深耕冶金和3C等領(lǐng)域，目前也積累了大量視覺算法模塊，正形成系統(tǒng)化的解決方案，從而實(shí)現(xiàn)不同產(chǎn)品、產(chǎn)線和場景的快速切換與部署。此外，相關(guān)技術(shù)還逐步拓展到了航天在軌服務(wù)等新興應(yīng)用場景。

（編者注：所謂3C，是將計(jì)算機(jī)（Computer）、通訊（Communication）和消費(fèi)電子產(chǎn)品（ConsumerElectronic）三類電子產(chǎn)品的簡稱。）

魏凱：視覺在AI領(lǐng)域中歷史悠久，尤其在工業(yè)場景下，視覺檢測的應(yīng)用已持續(xù)多年。近年來技術(shù)發(fā)展是否出現(xiàn)新的變化？基礎(chǔ)模型（FoundationModel）或大模型是否為工業(yè)視覺檢測帶來了更高的效率和準(zhǔn)確性？

上海大學(xué)通信與信息工程學(xué)院通信工程系主任-曾丹

曾丹：大模型確實(shí)帶來一些改變。以視覺測量和缺陷檢測為例。

在視覺測量領(lǐng)域，大模型更像加速器，還無法全面替代傳統(tǒng)方法。邊緣化或周期性測量任務(wù)，以及機(jī)械裝備上的實(shí)時(shí)測量與反饋控制，依舊主要采用輕量化的小模型。然而，當(dāng)對大規(guī)模數(shù)據(jù)進(jìn)行分析，或在工廠業(yè)務(wù)流程和工藝優(yōu)化中提供數(shù)據(jù)支撐時(shí)，大模型能發(fā)揮較大作用，為相關(guān)場景提供底層支撐。

在缺陷檢測方面，最初常使用小模型進(jìn)行檢測。隨著語言類大模型逐漸納入專家知識、領(lǐng)域知識以及跨領(lǐng)域的常識，其性能在小規(guī)模任務(wù)上也得到顯著提升。對此可先依托大模型進(jìn)行知識融合與訓(xùn)練，再經(jīng)由剪裁將其變成中等或小規(guī)模的模型，既能兼顧靈活性和高性能，也能更好地適應(yīng)工業(yè)具體應(yīng)用場景。

魏凱：第一財(cái)經(jīng)開發(fā)了”星翼大模型“，正在為媒體行業(yè)帶來生產(chǎn)力的升級和改造。姚總能否介紹下？

姚學(xué)潤：第一財(cái)經(jīng)在大模型領(lǐng)域的投入，是基于深刻的技術(shù)洞察與前瞻性的市場需求。從個(gè)人層面而言，我早年投身BP神經(jīng)網(wǎng)絡(luò)反饋研究，對大模型技術(shù)始終抱有濃厚興趣。更重要的是，這符合第一財(cái)經(jīng)的戰(zhàn)略布局，旨在響應(yīng)不斷演進(jìn)的市場需求。自2023年起，我們便已積極投身大模型技術(shù)探索，從2023年基于開源模型Llama2到2024年5月起基于DeepSeekV2，積累了豐富的實(shí)踐經(jīng)驗(yàn)。

星翼1.0模型于2024年7月正式發(fā)布，使我們成為國內(nèi)媒體領(lǐng)域較早探索大模型技術(shù)的先行者之一。去年年底，第一財(cái)經(jīng)的大模型拆條功能在中宣部領(lǐng)導(dǎo)對于我們的一次重要調(diào)研中受到關(guān)注。該功能通過AI大模型，實(shí)現(xiàn)會(huì)議內(nèi)容在結(jié)束后迅速整理成短片并完成包裝發(fā)布。今年1月，上海市新聞辦已將此功能納入新聞發(fā)布流程，相較于過去需要四五個(gè)小時(shí)的人工剪輯和審報(bào)比流程，現(xiàn)在能夠在極短的時(shí)間內(nèi)完成生成與發(fā)布，大幅提升了工作效率。

未來，針對財(cái)經(jīng)領(lǐng)域的專業(yè)化需求，我們計(jì)劃在今年年底前發(fā)布星翼4.0版本，并同步推出兩款深度聚焦財(cái)經(jīng)應(yīng)用場景的智能體。

推動(dòng)行業(yè)AI深度應(yīng)用：經(jīng)驗(yàn)、模式與可參考樣板

魏凱：下面，能否結(jié)合自身的實(shí)踐，談?wù)勗谕苿?dòng)本行業(yè)AI深度應(yīng)用的過程中，有哪些值得分享的經(jīng)驗(yàn)、模式或方法，是否有可供參考的套路？

上海人工智能實(shí)驗(yàn)室領(lǐng)軍科學(xué)家、上海創(chuàng)智學(xué)院副院長-喬宇

喬宇：我先拋磚引玉。模型或未來智能體的落地需要在三個(gè)因素之間找到平衡：通用性、專用性和經(jīng)濟(jì)性。

通用性是基礎(chǔ)，指模型是否具備像人類一樣通用處理開放復(fù)雜任務(wù)的能力。目前，AI的應(yīng)用還比較局限，多為點(diǎn)狀應(yīng)用，缺乏跨場景的通用能力。雖然大模型通過增加參數(shù)和訓(xùn)練數(shù)據(jù)可以提升性能，但也帶來了巨大的成本問題。

專用性則關(guān)注AI是否能在某些任務(wù)中達(dá)到甚至超越專業(yè)水準(zhǔn)。例如，醫(yī)療領(lǐng)域中，AI的判斷能否達(dá)到臨床醫(yī)師、主任醫(yī)師甚至教授級別的水平，這非常重要。然而，通用性和專用性之間往往存在一定的互斥性。走大模型路線雖然提升了通用性，但專業(yè)性可能不足，甚至出現(xiàn)幻覺問題。

此外，還有經(jīng)濟(jì)性，即技術(shù)落地時(shí)能否真正幫助用戶提升效率、降低成本。這三者既相互關(guān)聯(lián)，又存在矛盾，需要在落地時(shí)找到一個(gè)合理的平衡點(diǎn)。

在這樣的背景下，我們提出了‘通專融合’的路線，將通用性與專用性有效結(jié)合。目前，美國研究機(jī)構(gòu)依舊采取“大力出奇跡”的做法，甚至動(dòng)用數(shù)十萬張GPU的算力進(jìn)行訓(xùn)練，以期在超大模型中獲得專業(yè)性涌現(xiàn)，但這種方式的研發(fā)成本極高。Llama4、GPT4.5等大模型的研發(fā)也表明，通過規(guī)模不斷擴(kuò)張確實(shí)可以提升專業(yè)性，但投入同樣巨大。

魏凱：在科研模型方面，許多專家正探索在分子或材料等領(lǐng)域打造通用的基礎(chǔ)模型（FoundationModel），希望能在某個(gè)垂直賽道上解決更普遍的問題。然而，這類模型并不能通過語言模型的訓(xùn)練和微調(diào)直接獲得，目前該路徑仍在探索中。

以AlphaFold為例，它不僅用于蛋白質(zhì)結(jié)構(gòu)預(yù)測，還逐步拓展到其他相關(guān)領(lǐng)域。我們是否也能觀察到類似的AIforScience模型，在垂直行業(yè)中展現(xiàn)出這樣的應(yīng)用潛力？

喬宇：在AIForScience領(lǐng)域的研究中，已有一些基于基礎(chǔ)模型的成果。然而，這一領(lǐng)域也面臨新的挑戰(zhàn)。

第一，科學(xué)研究中需要處理的對象應(yīng)視為新的模態(tài)引入，例如分子結(jié)構(gòu)、譜學(xué)測量數(shù)據(jù)以及各種結(jié)構(gòu)化信息（如圖表等），必須確保模型能夠有效處理這些復(fù)雜內(nèi)容。

第二，與通用的大語言模型相比，科學(xué)研究對知識的完備性和嚴(yán)謹(jǐn)性提出了更高的要求?？茖W(xué)研究不能停留于模糊或不準(zhǔn)確的認(rèn)知，必須建立在扎實(shí)可靠的知識基礎(chǔ)上。這對現(xiàn)有模型的應(yīng)用提出了更高的標(biāo)準(zhǔn)。

第三，未來的科學(xué)模型不僅需要記錄和提取知識，也應(yīng)如科學(xué)家般具備深度思維能力。這種“科學(xué)家思維”包含多個(gè)維度，其中推理能力是科學(xué)范式的核心之一。此外，還包括想象力、抽象能力以及直覺，這些能力在科學(xué)發(fā)現(xiàn)中起到重要作用。顯然，何在模型中培養(yǎng)這些特質(zhì)是一個(gè)重要而艱巨的任務(wù)。

盡管這些挑戰(zhàn)巨大，但解決這些問題的核心仍在于計(jì)算能力和經(jīng)驗(yàn)積累。人類通過長期的生產(chǎn)、生活和科學(xué)實(shí)踐總結(jié)的經(jīng)驗(yàn)，已為實(shí)現(xiàn)這些目標(biāo)提供了基礎(chǔ)條件。因此，盡管難度不小，但未來的模型、AI系統(tǒng)和智能體有望在一定程度上具備這些能力，推動(dòng)科學(xué)研究邁向新的高度。

魏凱：盧醫(yī)生，在開發(fā)小程序的過程中，有哪些值得借鑒的經(jīng)驗(yàn)，你是如何找到切入點(diǎn)的？

盧春來：目前AI在臨床中的主要應(yīng)用包括大語言模型和多模態(tài)模型。在我的領(lǐng)域，使用最多的是影像學(xué)AI，尤其是用于檢測小結(jié)節(jié)的工具。這類AI大幅提升了工作效率。過去我們需要逐幀查看CT影像，耗時(shí)且費(fèi)力，而現(xiàn)在AI可以快速識別并標(biāo)注結(jié)節(jié)，讓我們只需復(fù)核即可，大大提高了效率和準(zhǔn)確性。

要開發(fā)一款實(shí)用的醫(yī)療AI應(yīng)用，需要關(guān)注兩點(diǎn)：患者最需要什么，以及醫(yī)生最需要什么。醫(yī)生既了解患者的需求，也清楚自身工作的痛點(diǎn)。因此，在開發(fā)前建議多與醫(yī)生溝通，尤其在細(xì)分領(lǐng)域，可以與多位醫(yī)生交流，獲取更全面的建議。同時(shí)，也可以從患者角度出發(fā)，通過調(diào)研了解他們的實(shí)際需求。

以我的經(jīng)驗(yàn)為例，在開發(fā)“終節(jié)者”項(xiàng)目前，我向患者咨詢過他們的看法。如果反饋積極，我會(huì)繼續(xù)推進(jìn)；如果意義不大，就不會(huì)嘗試。只有充分結(jié)合患者和醫(yī)生的需求，才能開發(fā)出真正有價(jià)值、易于落地的醫(yī)療AI工具。

魏凱：這也提醒我們所有人，要從身邊的小需求開始嘗試。

曾教授您有什么經(jīng)驗(yàn)可以分享？

曾丹：在工業(yè)AI的應(yīng)用實(shí)踐中，一個(gè)普遍存在的核心挑戰(zhàn)源于數(shù)據(jù)層面。具體而言，工業(yè)場景下的數(shù)據(jù)呈現(xiàn)出三大顯著特征：樣本稀疏、分布離散、以及采集窗口受限。

首先，有效樣本的稀缺性是常態(tài)。以鋼鐵行業(yè)的表面缺陷檢測為例，一條高品質(zhì)鋼產(chǎn)線可能連續(xù)數(shù)日才生產(chǎn)出一件帶有特定缺陷的鋼板。若遵循傳統(tǒng)方法，為訓(xùn)練一個(gè)模型而收集上千個(gè)缺陷樣本，將耗費(fèi)極長的時(shí)間周期，這在追求高效生產(chǎn)的工業(yè)環(huán)境中幾乎不被允許。因此，模型必須具備出色的小樣本學(xué)習(xí)能力。

其次，數(shù)據(jù)孤島現(xiàn)象嚴(yán)重。不同工廠、不同產(chǎn)線之間的數(shù)據(jù)通?；ゲ宦?lián)通，形成稀疏且分散的數(shù)據(jù)格局，這為構(gòu)建普適性強(qiáng)的模型帶來了巨大障礙。

針對以上挑戰(zhàn)，可以從以下三個(gè)層面探索整合性的解決方案：

第一，立足于垂直領(lǐng)域的深度數(shù)據(jù)積累。這是一項(xiàng)基礎(chǔ)性工作，需要在特定行業(yè)內(nèi)進(jìn)行長期的深耕。以表面缺陷檢測為例，關(guān)鍵在于積累“高質(zhì)量”數(shù)據(jù)。高質(zhì)量不僅指圖像本身，更重要的是包含了與缺陷形成相關(guān)的多維度信息，例如缺陷與產(chǎn)品材質(zhì)、生產(chǎn)工藝等因素的關(guān)聯(lián)知識。

第二，應(yīng)用大模型輔助數(shù)據(jù)生成（AIGC）。將海量的專家知識、行業(yè)常識乃至基礎(chǔ)的幾何學(xué)知識注入大模型，可以指導(dǎo)模型生成多樣性更強(qiáng)、質(zhì)量可控的合成樣本。這種基于知識驅(qū)動(dòng)的AIGC技術(shù)，能夠有效緩解原始數(shù)據(jù)不足的問題。

第三，采用分布式學(xué)習(xí)框架應(yīng)對數(shù)據(jù)離散問題。面對數(shù)據(jù)分布在不同用戶、不同廠區(qū)的現(xiàn)實(shí)，可以利用多模態(tài)預(yù)訓(xùn)練模型，并結(jié)合聯(lián)邦學(xué)習(xí)或分布式預(yù)訓(xùn)練等技術(shù)。這些方法能夠在保護(hù)數(shù)據(jù)隱私和所有權(quán)的前提下，實(shí)現(xiàn)跨主體、跨場景的協(xié)同模型訓(xùn)練。

過去幾年，這些策略顯著提高了效率。如今，面對新廠商、新產(chǎn)線或新產(chǎn)品，僅需6張樣本圖即可快速上線模型。這正是得益于知識驅(qū)動(dòng)的大模型AIGC技術(shù)與先進(jìn)訓(xùn)練方法的結(jié)合。

魏凱：姚總有哪些經(jīng)驗(yàn)可以分享？

第一財(cái)經(jīng)副總經(jīng)理、首席技術(shù)官-姚學(xué)潤

姚學(xué)潤：衡量一項(xiàng)AI技術(shù)的真正價(jià)值，其核心標(biāo)準(zhǔn)在于“有用”。任何技術(shù)或產(chǎn)品，唯有在實(shí)際應(yīng)用中被驗(yàn)證能有效解決問題并創(chuàng)造實(shí)質(zhì)價(jià)值，方能彰顯其深層意義。

以我們推出的“智享會(huì)員”服務(wù)為例，這正是AI與人類專家智慧深度融合的典范。該服務(wù)中的核心AI功能主要體現(xiàn)在“速讀”與“智解”兩大維度：“速讀”旨在幫助用戶從海量的財(cái)經(jīng)市場信息中，精準(zhǔn)識別并實(shí)時(shí)推送每日最關(guān)鍵、最具影響力的財(cái)經(jīng)資訊；則當(dāng)系統(tǒng)判斷某條資訊具有關(guān)鍵重要性時(shí)，“智解”會(huì)進(jìn)一步為用戶提供全局性的深度解析，闡明其內(nèi)在價(jià)值與潛在影響。其底層財(cái)經(jīng)模型，通過揭示事件的橫向關(guān)聯(lián)與縱向演變，為用戶的決策提供精確且富有洞察力的參考。這兩項(xiàng)功能推向市場后，其“有用”得到了直接的數(shù)據(jù)驗(yàn)證。在“智享會(huì)員”的使用反饋中，由AI驅(qū)動(dòng)的這兩項(xiàng)功能，其日均使用頻率比傳統(tǒng)人工提供的功能高出2.34倍，在特定場景下，這一數(shù)據(jù)甚至能超越5倍。

從價(jià)值創(chuàng)造的角度審視，這套AI系統(tǒng)為個(gè)人投資者所提供的支持，相當(dāng)于一支由兩名專業(yè)助理組成的智囊團(tuán)隊(duì)：一人負(fù)責(zé)從海量信息中精準(zhǔn)篩選并標(biāo)記重點(diǎn)（“速讀”）；另一人則深入分析，評估該信息對既有投資模型可能產(chǎn)生的波動(dòng)區(qū)間（“智解”），最終將精煉的信息與分析結(jié)論一并呈遞給決策者。

破解關(guān)鍵痛點(diǎn)：安全、可信與AI應(yīng)用的再升級

魏凱：最后一個(gè)問題，在各自的實(shí)踐中，當(dāng)前所面臨的最核心、最關(guān)鍵的痛點(diǎn)或挑戰(zhàn)是什么？

作為本次會(huì)議的舉辦方，中國信息通信研究院（信通院）是國家在信息通信領(lǐng)域的智庫以及行業(yè)發(fā)展平臺。近期，信通院在工業(yè)和信息化部的指導(dǎo)下，牽頭成立了工信部首個(gè)人工智能行業(yè)標(biāo)準(zhǔn)化委員會(huì)，在世界人工智能大會(huì)上，為了彰顯中國企業(yè)的責(zé)任與擔(dān)當(dāng)，牽頭發(fā)布《中國人工智能安全承諾框架》并積極推動(dòng)落實(shí)；同時(shí)，也在主動(dòng)采取多種手段，致力于破解AI在應(yīng)用落地中的各種障礙。

期待各位嘉賓能結(jié)合實(shí)踐中的痛點(diǎn)，為信通院未來的工作以及更廣泛的行業(yè)協(xié)作提供寶貴的建議。

喬宇：AI的未來發(fā)展面臨諸多挑戰(zhàn)。要實(shí)現(xiàn)通用人工智能（AGI），技術(shù)層面尚需2至3個(gè)如同Transformer級別的基石性突破。

此外，一個(gè)尤其需要強(qiáng)調(diào)的議題是AI的安全與可信。業(yè)界即將面對的，是一個(gè)在特定維度上超越人類能力的模型或智能體。Hinton曾說過，這種新興智能體如同被圈養(yǎng)的幼虎，其當(dāng)前階段或許表現(xiàn)溫順，但其最終將演變成何種形態(tài)，充滿了未知與不確定性。

因此，對安全與可信的重視刻不容緩。圍繞這一核心，構(gòu)建科學(xué)的評測體系與行業(yè)標(biāo)準(zhǔn)，是亟待建立和發(fā)展的基石。這不僅是技術(shù)問題，更關(guān)乎整個(gè)產(chǎn)業(yè)生態(tài)的健康發(fā)展。

上海人工智能實(shí)驗(yàn)室非常愿意與信通院在現(xiàn)有合作基礎(chǔ)上，進(jìn)一步深化協(xié)作，共同推動(dòng)相關(guān)工作的進(jìn)展。

盧春來：在醫(yī)療這一特殊領(lǐng)域，AI技術(shù)的應(yīng)用與發(fā)展面臨兩大核心議題。

第一，是應(yīng)用的“精準(zhǔn)性”。無論是在CT影像上輔助識別微小結(jié)節(jié)，還是在手術(shù)中應(yīng)用機(jī)器人進(jìn)行輔助診療，精準(zhǔn)都是首要且不容妥協(xié)的要求。醫(yī)療行為，尤其是外科手術(shù)，通常只有一次機(jī)會(huì)，直接關(guān)系到患者的生命安全。因此，任何一項(xiàng)AI技術(shù)，如果其準(zhǔn)確度無法超越或至少媲美現(xiàn)有成熟的傳統(tǒng)診療手段，那么它將難以被臨床醫(yī)生采納和信任。

第二，是不可或缺的“人文關(guān)懷”。醫(yī)療服務(wù)的對象首先是“人”，其次才是其所承載的“疾病”。若一味地關(guān)注疾病本身而忽略了患者作為一個(gè)完整的人，便有悖于醫(yī)學(xué)的初衷。在診療過程中，傳遞情感支持與共情，即所謂的“情緒價(jià)值”，至關(guān)重要。

魏凱：是的，推動(dòng)科技倫理在AI領(lǐng)域的全面落地，是一項(xiàng)至關(guān)重要的工作。信通院也在支持各個(gè)部委把科技倫理的原則，貫穿于AI研發(fā)與應(yīng)用的全生命周期。

在工業(yè)領(lǐng)域，AI會(huì)帶來哪些根本性的改變？

曾丹：在工業(yè)領(lǐng)域，AI的應(yīng)用正面臨著一場深刻的變革。當(dāng)前，大模型（尤其是傳統(tǒng)計(jì)算機(jī)視覺模型）的應(yīng)用多以“單點(diǎn)替代”的形式存在，即對生產(chǎn)環(huán)節(jié)中的某個(gè)節(jié)點(diǎn)進(jìn)行技術(shù)升級或替換。

然而，未來的趨勢在于，AI將不再局限于單點(diǎn)優(yōu)化，而是要深度融入并重塑整個(gè)業(yè)務(wù)流程。

以新材料的研發(fā)與制備領(lǐng)域?yàn)槔?，要滿足下一代材料的要求，就必須對現(xiàn)有制造流程進(jìn)行根本性的重塑。傳統(tǒng)的流程是“生產(chǎn)后檢測”，再依據(jù)檢測結(jié)果反饋并調(diào)整生產(chǎn)參數(shù)。而未來的模式則必然是“邊生產(chǎn)邊檢測”的實(shí)時(shí)閉環(huán)系統(tǒng)。

所以，無論是制備流程還是其他行業(yè)的業(yè)務(wù)流程，都需要智能融入并重塑，這正是工業(yè)領(lǐng)域的必經(jīng)之路。我們正在積極探索。

魏凱：希望一起合作。信通院擁有非常優(yōu)質(zhì)的平臺資源，比如華東院以及院內(nèi)的人工智能產(chǎn)業(yè)聯(lián)盟。目前，我們在全國各地都在推進(jìn)AI賦能新型工業(yè)化的工具對接活動(dòng)，期待共同推動(dòng)產(chǎn)業(yè)發(fā)展。

姚學(xué)潤：在AI產(chǎn)業(yè)的蓬勃發(fā)展中，我們必須高度關(guān)注需求端與供給端的協(xié)調(diào)發(fā)展。政策的扶持重心，可以更傾向于供給側(cè)，市場需求可以由作為市場主體的企業(yè)自主挖掘、創(chuàng)造。

一個(gè)值得我們深思的現(xiàn)象是：在GPT-3.0問世之前，以清華大學(xué)相關(guān)團(tuán)隊(duì)（如智譜AI）為代表的中國頂尖高校團(tuán)隊(duì)，在全球AI基礎(chǔ)研究領(lǐng)域曾處于領(lǐng)先地位，這些頂尖人才中的一部分最終選擇前往海外深造。

另一方面，從當(dāng)前人才供給的現(xiàn)實(shí)來看，大量高校畢業(yè)生在進(jìn)入一線AI企業(yè)后，往往難以即刻適應(yīng)崗位需求，企業(yè)仍需投入額外資源進(jìn)行二次培訓(xùn)。

針對這一系列問題，一個(gè)可行的策略是：進(jìn)一步深化產(chǎn)教融合，鼓勵(lì)并促成大三或大四階段的學(xué)生，進(jìn)入具備雄厚實(shí)力的行業(yè)龍頭企業(yè)進(jìn)行長期、深度的實(shí)習(xí)。這種模式將帶來雙重益處。對于學(xué)生而言，能夠讓他們直面產(chǎn)業(yè)前沿，深入了解最先進(jìn)的技術(shù)與真實(shí)的業(yè)務(wù)需求，從而彌合理論與實(shí)踐之間的差距；對于企業(yè)而言，這提供了一個(gè)絕佳的平臺，能夠在實(shí)踐中早期發(fā)現(xiàn)并鎖定未來的核心人才，實(shí)現(xiàn)人才的有效培養(yǎng)與戰(zhàn)略儲(chǔ)備。

從根本上說，只有當(dāng)供給端，即人才、核心技術(shù)等要素，達(dá)到足夠豐富且高質(zhì)量的水平時(shí)，需求端，即企業(yè)與市場，才能通過充分的自由競爭機(jī)制，產(chǎn)生最優(yōu)化的結(jié)果，進(jìn)而推動(dòng)整個(gè)AI產(chǎn)業(yè)的持續(xù)健康發(fā)展。